유럽 야간 철새 이동 음향 데이터셋 및 분석 모델 공개

주장철새 개체 수 감소가 지속되면서 효과적인 모니터링 기술의 필요성이 급증하고 있습니다. 특히 야간에 이동하는 철새는 시각적 추적이 어려워 수동 음향 모니터링이 필수적인 도구로 활용됩니다.

팩트이번에 공개된 야간 철새 이동 데이터셋은 서부 구북구 지역 조류 117종의 소리를 포함합니다. 시민 과학자들의 참여를 통해 총 1만3359개의 주석이 달린 음성 데이터가 수집되었습니다.

팩트데이터셋에는 프랑스 전역의 조류 애호가들이 수집한 정밀한 시간 및 주파수 주석이 포함되어 있습니다. 연구진은 이를 활용해 오디오 녹음에서 조류의 울음소리를 자동으로 추출하고 음향 분석을 수행합니다.

주장연구진은 오디오 데이터에 최적화된 새로운 2단계 딥러닝 객체 탐지 모델을 개발했습니다. 해당 모델은 기존의 대규모 데이터셋으로 학습된 최첨단 시스템과 비교해도 경쟁력 있는 정확도를 보입니다.

팩트연구진은 데이터셋에 가장 많이 포함된 45종의 조류를 대상으로 모델 성능을 검증했습니다. 이는 제한된 데이터 환경에서도 고도화된 인공지능 기술이 생태학적 연구에 기여할 수 있음을 입증합니다.

교차검증본 데이터셋은 특정 지역과 종에 집중되어 있어 전 세계 모든 철새 이동을 포괄하지는 못합니다. 앞으로 더 넓은 지역과 다양한 종을 포함하는 데이터의 지속적인 확장이 필요합니다.

팩트연구에 사용된 모든 데이터는 제노도 저장소를 통해 무료로 접근할 수 있습니다. 데이터셋의 상세 정보는 제노도 공식 누리집에서 확인 가능합니다.

팩트모델 학습 및 미세 조정에 사용된 소스 코드는 깃허브 페이지를 통해 공개되었습니다. 관련 코드는 깃허브 저장소에서 내려받을 수 있습니다.

주장이번 연구는 시민 과학과 인공지능 기술의 결합이 생물 다양성 보존에 기여하는 사례를 제시합니다. 자동화된 음향 모니터링은 철새의 이동 경로와 행동을 이해하는 데 중요한 데이터를 제공합니다.

출처네이처(Nature) 학술지 논문 및 관련 제노도 저장소 자료를 교차 검증했습니다.